Aller au contenu principal
Développer plus rapidement des runtimes USD légers grâce à des agents IA
InfrastructureNVIDIA Developer Blog 

Développer plus rapidement des runtimes USD légers grâce à des agents IA

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

NVIDIA a publié un billet technique sur OpenUSD, le langage de description de scène ouvert utilisé pour l'IA physique, qui réunit dans une même représentation partagée les données CAD, les assets de simulation et la télémétrie issue de capteurs réels. Le texte explique comment des agents IA de codage peuvent accélérer la construction de runtimes légers pour ce format. Jusqu'ici, bâtir une implémentation de USD obligeait à adapter la base de code volumineuse héritée du SDK de référence de Pixar, même pour des besoins de mémoire réduite, comme sur du matériel embarqué ou des contrôleurs robotiques.

OpenUSD s'est imposé comme le format pivot des jumeaux numériques et de la simulation robotique, porté notamment par NVIDIA via Omniverse et Isaac Sim, mais son adoption sur des plateformes contraintes en mémoire butait sur la lourdeur du code source d'origine. Si des agents IA permettent vraiment de générer des runtimes USD sur mesure plus vite, cela lèverait une barrière réelle pour les intégrateurs, les fabricants de robots et les fournisseurs de puces. Le communiqué ne fournit toutefois aucune métrique chiffrée, ni gain de temps, ni retour client : à ce stade, il s'agit d'une démonstration de méthode, pas d'un outil livré.

OpenUSD est né chez Pixar, qui l'a conçu pour ses pipelines d'animation avant de l'ouvrir en open source ; depuis 2023, sa gouvernance revient à l'Alliance for OpenUSD (AOUSD), qui réunit Pixar, NVIDIA, Adobe, Apple et Autodesk. NVIDIA en a fait le socle de sa plateforme Omniverse et de ses outils de simulation robotique, d'où son intérêt à favoriser des runtimes alternatifs plus légers que le SDK officiel. L'article ne précise ni date de disponibilité ni partenaire pilote pour cette approche par agents IA.

À lire aussi

Jaiveer Singh aide les robots et les développeurs à progresser plus rapidement
1NVIDIA Blog Robotics 

Jaiveer Singh aide les robots et les développeurs à progresser plus rapidement

Jaiveer Singh, ingénieur logiciel chez NVIDIA, dirige l'équipe responsable d'Isaac ROS (Robot Operating System), une pile logicielle open source construite sur le framework ROS 2 et accélérée par les bibliothèques CUDA de NVIDIA. Isaac ROS fournit aux développeurs un ensemble de modules pour la perception, la détection d'objets, la cartographie (SLAM), la détection de collision et la planification de mouvements. La plateforme est compatible avec les robots mobiles autonomes (AMR), les systèmes de manipulation et les humanoïdes, et peut s'exécuter sur des postes de travail, sur le DGX Spark (le supercalculateur IA personnel de NVIDIA) ainsi que sur les systèmes embarqués Jetson. Le projet a débuté comme un projet de stage de Singh, alors étudiant en génie électrique, informatique et gestion à l'Université de Californie Berkeley, avec une question simple : publier des bibliothèques GPU open source pour la robotique aurait-il de la valeur ? La réponse s'est avérée positive, et Isaac ROS est depuis devenu un composant central de l'écosystème robotique NVIDIA. L'importance d'Isaac ROS pour l'industrie tient à sa modularité et à son positionnement comme couche d'intégration entre l'IA générative et le déploiement physique. Contrairement à l'ancien Isaac SDK, la version ROS se présente, selon Singh lui-même, comme "un ensemble de briques LEGO" : les développeurs assemblent les modules selon leurs besoins et les combinent avec du code ROS communautaire existant. Pour un intégrateur ou un OEM qui cherche à passer de la démonstration au déploiement série, cette approche réduit la friction d'adoption. Elle répond aussi à une préoccupation structurelle du secteur : la pérennité de la pile logicielle. Un startup qui construit sur un système fermé doit faire confiance au fait que ce système correspondra toujours à ses besoins dans deux ou trois ans, une promesse difficile à tenir dans un marché qui se recompose chaque trimestre. L'open source apporte ici une garantie d'auditabilité et de continuité que les systèmes propriétaires peinent à offrir. NVIDIA s'est positionné sur la robotique bien avant que le secteur devienne un sujet grand public, et Isaac ROS s'inscrit dans cette continuité stratégique. La plateforme évolue aujourd'hui pour répondre aux exigences des humanoïdes, qui requièrent une stack logicielle de bout en bout capable de gérer des agents IA, de la simulation (Isaac Sim) au déploiement edge sur Jetson. Les concurrents directs sur la couche middleware incluent ROS 2 non-accéléré utilisé seul, mais aussi les environnements propriétaires de Boston Dynamics, Agility Robotics ou Figure AI, qui développent leurs propres stacks internes. NVIDIA joue ici un rôle transversal d'infrastructure partagée, moins visible qu'un robot humanoïde en vidéo, mais potentiellement plus déterminant pour la cadence industrielle du secteur. Les prochaines étapes annoncées portent sur le renforcement du support aux agents IA et aux systèmes humanoïdes, deux segments en forte croissance depuis 2024.

UELes intégrateurs et startups robotiques français et européens peuvent bénéficier d'Isaac ROS comme couche middleware open source pour accélérer leurs déploiements, mais l'impact reste indirect et dépendant de l'adoption de l'écosystème NVIDIA.

InfrastructureOpinion
1 source
Isaac ROS 5.0 intègre des agents IA au développement robotique, selon NVIDIA
2Robotics Business Review 

Isaac ROS 5.0 intègre des agents IA au développement robotique, selon NVIDIA

NVIDIA a dévoilé Isaac ROS 5.0 lors de la conférence ROSCon à Toronto, une nouvelle version de sa suite de logiciels accélérés par GPU construite sur ROS (Robot Operating System), le framework open source utilisé par environ 1,3 million de développeurs en robotique. Cette version introduit des flux de travail agentiques, un support pour ROS 2 "Lyrical" et Ubuntu 24.04, ainsi que de nouveaux "NVIDIA Isaac Skills" dédiés à la configuration des environnements et à la manipulation robotique. NVIDIA a par ailleurs contribué une interface standard de traitement des données à ROS 2 Lyrical, héritée des fonctionnalités d'accélération CUDA publiées en mai dernier, permettant une exécution plus efficace sur différents types de matériel, y compris les GPU. Selon Katie Washabaugh, responsable marketing produit pour la simulation robotique chez NVIDIA, Isaac ROS 5.0 est déjà déployé chez Intrinsic, Mentee Robotics, EKUMEN et Flexiv. L'équipementier automobile Magna associe de son côté Isaac ROS à Isaac Sim pour des tests hardware-in-the-loop, dans le but d'accélérer ses cycles de déploiement. Pour les intégrateurs et les équipes d'ingénierie robotique, l'enjeu n'est pas une nouvelle démonstration de robot mais un changement dans l'outillage logiciel qui sous-tend leur développement. NVIDIA cible directement la friction technique, la mise en place de l'environnement, l'écriture de scripts répétitifs, le fine-tuning, en confiant ces tâches à des agents IA capables d'automatiser la "plomberie" habituellement chronophage. Le fait que les accélérations CUDA aient été versées dans le tronc commun de ROS 2, et non gardées propriétaires, élargit leur bénéfice à l'ensemble de la communauté ROS, pas seulement aux clients NVIDIA. Cette annonce renforce surtout la stratégie de plateforme de NVIDIA: en s'imposant comme la couche logicielle de référence entre le développement et le déploiement sur robot physique, l'entreprise consolide son emprise sur l'écosystème robotique, au-delà de la seule vente de puces Jetson. Isaac ROS s'appuie sur ROS, framework open source dont l'évolution est pilotée par l'Open Source Robotics Alliance (OSRA), avec laquelle NVIDIA dit avoir travaillé pour identifier les points de friction des développeurs. Cette version 5.0 prolonge les contributions apportées à ROS 2 Lyrical en mai, où NVIDIA avait déjà livré des fonctionnalités d'accélération CUDA. L'objectif affiché est une continuité totale entre le développement initial et l'exécution finale sur le robot, sans reconfiguration intermédiaire pour les équipes déjà sous ROS. Aucun calendrier de nouvelles fonctionnalités n'a été précisé au-delà de cette publication, mais l'accent mis sur la documentation "agent-ready" et les Isaac Skills laisse attendre un élargissement progressif du catalogue de compétences réutilisables pour les agents IA appliqués à la robotique.

InfrastructureActu
1 source
Arm Total Design pour l'IA physique réunit plus de 80 développeurs
3Robotics Business Review 

Arm Total Design pour l'IA physique réunit plus de 80 développeurs

Arm Holdings, entreprise britannique basée à Cambridge, a lancé le programme Arm Total Design for Physical AI, qui réunit plus de 80 entreprises couvrant l'ensemble de la chaîne technologique de l'IA physique, de la robotique aux véhicules autonomes. Parmi les membres déjà annoncés figurent AWS, ECARX, Hugging Face, Liquid AI, NXP, PlusAI, Psyonic, QNX, Qwen, Siemens et Unitree Robotics. Arm a également présenté un Robotics Capability Framework, une grille destinée à établir un langage commun pour décrire et comparer les capacités des robots. Ce cadre distingue six niveaux, numérotés de 0 à 5 : au niveau le plus bas, des robots réactifs qui exécutent des commandes selon des règles fixes ; au niveau le plus élevé, des systèmes dotés de comportements évolutifs capables d'apprendre et de s'auto-optimiser. Dermot O'Driscoll, vice-président en charge du go-to-market et des solutions client pour l'IA physique chez Arm, a expliqué au Robot Report que ce programme était né d'un constat fait à son arrivée sur ce segment en mars : l'absence d'un lieu où les entreprises pouvaient partager technologies et idées ou collaborer directement. Pour l'industrie robotique, cette initiative répond à un problème concret de fragmentation : un système robotique complet assemble généralement du matériel et des logiciels provenant de multiples fournisseurs, ce qui complique l'interopérabilité et ralentit les intégrations. En réunissant sous une même structure les acteurs des semi-conducteurs, du cloud, de l'actionnement et des capteurs, des frameworks logiciels, de la sécurité et de la robotique elle-même, Arm cherche à devenir un point de convergence pour valider plus tôt des systèmes interopérables. Pour les intégrateurs et décideurs B2B, le Robotics Capability Framework offre surtout un vocabulaire partagé pour situer un robot sur une échelle de maturité, un exercice jusqu'ici largement livré à la communication marketing de chaque fournisseur. Il s'agit toutefois d'une démarche de standardisation et de mise en réseau, pas d'un produit ou d'une technologie livrée : ni les six niveaux ni la liste des membres ne constituent un engagement technique vérifiable, et Arm dit explicitement vouloir les faire évoluer avec les retours du secteur. Cette initiative prolonge une méthode qu'Arm avait déjà testée dans l'écosystème cloud avec un programme Arm Total Design similaire, avant que O'Driscoll ne transpose l'approche à l'IA physique en constatant le même vide organisationnel. L'entreprise, dont l'architecture de processeurs équipe déjà une large part des puces embarquées dans les objets connectés et les systèmes robotiques, cherche ainsi à consolider sa position d'infrastructure neutre plutôt que de concurrent frontal des fabricants de robots. Aucun acteur français ou européen de la robotique humanoïde ou logistique n'est cité parmi les membres annoncés à ce stade. Arm indique vouloir associer davantage d'entreprises au programme et affiner les six niveaux du Robotics Capability Framework au fil des contributions du secteur, sans calendrier précis ni étape de déploiement communiquée pour l'instant.

UELes européens NXP et Siemens figurent parmi les membres du consortium, mais aucun acteur français ou européen de la robotique humanoïde ou logistique n'est cite.

InfrastructureActu
1 source
Déployer une IA à base d'agents en périphérie avec efficacité mémoire grâce à NVIDIA JetPack 7.2
4NVIDIA Developer Blog 

Déployer une IA à base d'agents en périphérie avec efficacité mémoire grâce à NVIDIA JetPack 7.2

NVIDIA a publié JetPack 7.2, une mise à jour de sa suite logicielle pour les modules Jetson, ciblant le déploiement d'agents IA en périphérie (edge computing). La nouveauté centrale est le support natif en une seule commande de NemoClaw, une stack open source qui étend OpenClaw en y ajoutant des couches de contrôle de confidentialité et de sécurité. La version introduit également des "agent skills" pour Jetson, des briques logicielles pré-packagées conçues pour accélérer le développement d'agents autonomes sur matériel embarqué, accompagnées d'optimisations mémoire visant à améliorer les performances dans des configurations à ressources contraintes. Le passage des agents IA vers des environnements physiques impose des contraintes radicalement différentes du cloud : latence faible, connectivité intermittente et enveloppes mémoire restreintes. L'intégration native de NemoClaw dans JetPack 7.2 positionne Jetson comme plateforme de référence pour des agents embarqués avec garanties explicites de sécurité et de confidentialité des données, un argument commercial décisif pour les déploiements industriels, médicaux ou logistiques où les données sensibles ne peuvent quitter le site. Pour les intégrateurs, la simplification à une seule commande réduit significativement la friction d'adoption. NVIDIA commercialise les modules Jetson depuis 2014 et JetPack 7.2 s'inscrit dans sa stratégie de déport progressif de l'inférence IA hors du datacenter. OpenClaw, sur lequel NemoClaw s'appuie, est l'environnement d'exécution agent de NVIDIA pour l'edge. Les concurrents directs sur ce segment incluent Qualcomm avec son AI Hub et son Robotics SDK, ainsi que Hailo, Google Coral et Kneron. L'annonce reste au stade de disponibilité logicielle : aucun chiffre de volume de déploiement ni timeline client n'a été communiqué.

UELes intégrateurs européens déployant des agents IA embarqués sur Jetson dans des contextes industriels, médicaux ou logistiques bénéficient d'une simplification d'adoption et de garanties de confidentialité des données conformes aux exigences réglementaires locales (RGPD, AI Act).

InfrastructureOpinion
1 source